• 조명전기설비학회논문지
• /
• 제25권5호
• /
• pp.22-33
• /
• 2011

An induction motor operated with a conventional direct self controller(DSC) shows a sluggish response during startup and under changes of torque command. Fuzzy logic controller(FLC) is used in conjection with DSC to minimize these problems. A FLC chooses the switching states based on a set of fuzzy variables. Flux position, error in flux magnitude and error in torque are used as fuzzy state variables. Fuzzy rules are determinated by observing the vector diagram of flux and currents. This paper proposes hybrid fuzzy controller for direct torque control(DTC) of induction motor drives. The speed controller is based on adaptive fuzzy learning controller(AFLC), which provide high dynamics performances both in transient and steady state response. Flux position, error in flux magnitude and error in torque are used as FLC state variables. The speed is estimated with model reference adaptive system(MRAS) based on artificial neural network(ANN) trained on-line by a back-propagation algorithm. This paper is controlled speed using hybrid fuzzy controller(HFC) and estimation of speed using ANN. The performance of the proposed induction motor drive with HFC controller and ANN is verified by analysis results at various operation conditions.

• 제어로봇시스템학회논문지
• /
• 제7권9호
• /
• pp.723-732
• /
• 2001

경로 추적의 성능을 향상시키기 위해서 이 논문에서는 광유도식 무인방송차(AGV)의 뉴로퍼지 컨트롤러를 제안한다. 2바퀴 각각 조향 기능이 있는 AGV의 전방과 후방에 센서들이 장작되어 있으며, 그 센서들의 정보를 이용하여 AGV의 경로를 유도하게 된다. 측정된 광센서가 연속적인 데이터가 아니기 때문에 광유도식 AGV 는 쉽게 경로를 이탈하게 되고 경로 추적 성능은 떨어지게 된다. 광센서의정보들은 on/off 신호에 의해 발생되므로 비연속적으로 얻어지게 되고, 동적 오착가 측정되어진다. 센서에 의해 정보를 얻은 후 동적 오차는 좌우측 바퀴의 각 속도를 이용한 데드 레코닝(Dead Reckoning) 방법에 의해 연속적으로 계산되어진다. 여기서, 추정 윤곽 오차는 측정 윤관오차를 윤곽오차의증북(Variation)의 합의로 정의된다. 뉴로퍼지 시스템은 퍼지 제어기와 신경회로망으로 이루어졌다. 추정 윤곽 오차를 줄이기 위해 역전파 (Back-Propagation) 학습에 의해 퍼지 맴버쉽 함수의 계수들은 적응적으로 조정된다. 제안된 기존의 퍼지 제어기와 비교분석된다. 성능 분석을 위해 제안된 제어 이론은 모의 실험에 의해 검증된다.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제55권4호
• /
• pp.154-157
• /
• 2006

This paper is proposed hybrid artificial intelligent(HAI) controller for high performance of induction motor drive. The design..of this algorithm based on fuzzy-neural network(FNN) controller that is implemented using fuzzy control and neural network. This controller uses fuzzy rule as training patterns of a neural network. Also, this controller uses the back-propagation method to adjust the weights between the neurons of neural network in order to minimize the error between the command output and actual output. A model reference adaptive scheme is proposed in which the adaptation mechanism is executed by fuzzy logic based on the error and change of error measured between the motor speed and output of a reference model. The control performance of the adaptive FNN controller is evaluated by analysis for various operating conditions. The results of experiment prove that the proposed control system has strong high performance and robustness to parameter variation, and steady-state accuracy and transient response.

• 전자공학회논문지SC
• /
• 제41권3호
• /
• pp.39-46
• /
• 2004

본 논문은 IPMSM 드라이브의 고성능 속도 제어를 위하여 퍼지제어와 신경회로망을 혼합 구성한 적응 FNN 제어기를 제시한다. 적응 FNN 제어기는 기준 모델에 기초한 적응 메카니즘을 적용하여 신경회로망의 고도의 적응제어와 퍼지제어기의 강인성 제어의 장점들을 접목한다. 적응 FNN 제어기의 출력은 FNN 제어기의 출력과 적응 퍼지제어의 출력을 합하여 출력을 얻는다. 적응 FNN 제어기는 다양한 동작조건에서 응답특성을 분석하고 평가한다. 제시한 적응 FNN 제어기의 타당성은 IPMSM 드라이브 시스템에 적용하여 성능 결과로 입증한다.

• 제어로봇시스템학회논문지
• /
• 제4권2호
• /
• pp.203-208
• /
• 1998

This paper presents an adaptive fuzzy controller using an neural network and adaptation algorithm. Reference-model following neuro-fuzzy controller(RMFNFC) is invesgated in order to overcome the difficulty of rule selecting and defects of the membership function in the general fuzzy logic controller(FLC). RMFNFC is developed to tune various parameter of the fuzzy controller which is used for the discrete nonlinear system control. RMFNFC is trained with the identification information and control closed loop error. A closed loop error is used for design criteria of a fuzzy controller which characterizes and quantize the control performance required in the overall control system. A control system is trained up the controller with the variation of the system obtained from the identifier and closed loop error. Numerical examples are presented to control of the discrete nonlinear system. Simulation results show the effectiveness of the proposed controller.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 B
• /
• pp.1248-1250
• /
• 2004

This paper is proposed adaptive fuzzy-neural network controller(NFC) for speed control of surface permanent magnet synchronous motor(SPMSM) drive. The design of this algorithm based on NFC that is implemented using fuzzy control and neural network. This controller uses fuzzy rule as training patterns of a neural network. Also, this controller uses the back-propagation method to adjust the weights between the neurons of neural network in order to minimize the error between the command output and actual output. A model reference adaptive scheme is proposed in which the adaptation mechanism is executed by fuzzy logic based on the error and change of error measured between the motor speed and output of a reference model. The control performance of the adaptive NFC is evaluated by analysis for various operating conditions. The results of analysis prove that the proposed control system has strong high performance and robustness to parameter variation, and steady-state accuracy and transient response.

• Smart Structures and Systems
• /
• 제14권5호
• /
• pp.943-960
• /
• 2014

A visually servoed paired structured light system (ViSP) was recently proposed as a novel estimation method of the 6-DOF (Degree-Of-Freedom) relative displacement in civil structures. In order to apply the ViSP to massive structures, multiple ViSP modules should be installed in a cascaded manner. In this configuration, the estimation errors are propagated through the ViSP modules. In order to resolve this problem, a displacement estimation error back-propagation (DEEP) method was proposed. However, the DEEP method has some disadvantages: the displacement range of each ViSP module must be constrained and displacement errors are corrected sequentially, and thus the entire estimation errors are not considered concurrently. To address this problem, a pose-graph optimized displacement estimation (PODE) method is proposed in this paper. The PODE method is based on a graph-based optimization technique that considers entire errors at the same time. Moreover, this method does not require any constraints on the movement of the ViSP modules. Simulations and experiments are conducted to validate the performance of the proposed method. The results show that the PODE method reduces the propagation errors in comparison with a previous work.

• 한국수자원학회논문집
• /
• 제43권8호
• /
• pp.721-731
• /
• 2010

강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였으며, 이를 위해 오류역전파알고리즘을 이용한 신경망모형과 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨 모형 그리고 최적화된 상태에서 다시 학습을 진행하는 세 가지 모형에 대하여 적용한 결과 유전자 알고리즘을 사용하여 신경망을 학습시킨 모형이 다른 모형들에 비해 우수한 결과를 보여주고 있으며 예측시간이 길어지더라도 예측력이 크게 떨어지지 않았다. 또한 입력자료로 강우와 수위를 사용한 모형보다는 수위를 사용한 모형에서 조금 더 우수한 결과를 보여주었다.

• Journal of Information Technology Applications and Management
• /
• 제19권1호
• /
• pp.1-12
• /
• 2012

Data mining is the process of searching and analyzing large quantities of data for finding out meaningful patterns and rules. Artificial Neural Network (ANN) is one of the tools of data mining which is becoming very popular in forecasting the future values. Some of the areas where it is used are banking, medicine, retailing and fraud detection. In finance, artificial neural network is used in various disciplines including stock market forecasting. In the stock market time series, due to high volatility, it is very important to choose a model which reads volatility and forecasts the future values considering volatility as one of the major attributes for forecasting. In this paper, an attempt is made to develop two models - one using feed forward back propagation Artificial Neural Network and the other using Autoregressive Conditional Heteroskedasticity (ARCH) technique for forecasting stock market returns. Various parameters which are considered for the design of optimal ANN model development are input and output data normalization, transfer function and neuron/s at input, hidden and output layers, number of hidden layers, values with respect to momentum, learning rate and error tolerance. Simulations have been done using prices of daily close of Sensex. Stock market returns are chosen as input data and output is the forecasted return. Simulations of the Model have been done using MATLAB$^{(R)}$ 6.1.0.450 and EViews 4.1. Convergence and performance of models have been evaluated on the basis of the simulation results. Performance evaluation is done on the basis of the errors calculated between the actual and predicted values.

• 한국음향학회지
• /
• 제21권6호
• /
• pp.522-530
• /
• 2002

본 논문에서는 선형 예측 후에 얻어지는 잔차 신호 (residual signal)를 신경 회로망에 바탕을 둔 비선형 예측기로 예측하는 방법을 제안하였다. 신경 회로망을 이용한 예측 방법의 타당성을 입증하기 위해, 먼저 선형 장구간 예측기와 신경 회로망이 도입된 비선형 장구간 예측기의 성능을 서로 비교하였다. 그리고 비선형 예측 후의 잔차 신호를 양자화 하는 과정에서 발생하는 양자화 오차의 영향에 대해 분석하였다. 제안된 신경망 예측기는 예측 오차뿐만 아니라 양자화의 영향을 함께 고려하였으며, 양자화오차에 대한강인성을 갖게 하기 위하여 쿤-터커 (Kuhn-Tucker) 부등식 조건을 만족하는 제한조건 역전파 알고리즘을 새로이 제안하였다. 실험 결과, 제안된 신경망 예측기는 제한조건을 갖는 학습 알고리즘을 사용했음에도 불구하고, 예측 이득이 크게 뒤떨어지지 않는 성능을 나타내었다.